一种检测肺结节的方法、装置、存储介质和电子设备制造方法及图纸

本申请实施例提供一种检测肺结节的方法、装置、存储介质和电子设备，该方法包括：对肺部三维图像进行分割操作，以得到三维分割图像；将三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺结节检测结果，其中，预先训练好的肺结节检测模型包括第一卷积层、第二卷积层、第一特征提取层和第二特征提取层，第一卷积层用于对三维分割图像进行卷积运算，以得到第一特征图，第二卷积层用于对第一特征图进行卷积运算，以获得第二特征图，第一特征提取层用于对第二特征图进行特征提取，以获得第三特征图，第二特征提取层用于对第三特征图进行特征提取，以获得肺结节检测结果。借助于上述技术方案，本申请实施例能够实现对肺结节的检测。

【技术实现步骤摘要】
一种检测肺结节的方法、装置、存储介质和电子设备
本申请涉及医学图像处理
，具体而言，涉及一种检测肺结节的方法、装置、存储介质和电子设备。
技术介绍
肺癌是发病率和死亡率增长最快的恶性肿瘤之一，已对人群健康和生命造成了极大的威胁。相对于其他癌症，肺癌的生物学特性十分复杂，早期多无明显症状，大多数被发现时已是中晚期，治疗费用高昂且效果不佳。因此，早期筛查显得至关重要。肺癌早期一般表现为肺部恶性肺结节，因此，早期筛查一般从肺结节的检测入手。目前，现有的检测方法是通过现有的检测模型对二维的图像进行检测，从而获得检测结果。在实现本专利技术的过程中，专利技术人发现现有技术中存在如下问题：由于肺结节实际为三维图像，使用现有的检测模型对肺部三维图像进行检测会丧失图像本身的三维信息。所以，现有的检测模型存在着无法实现肺结节检测的问题。
技术实现思路
本申请实施例的目的在于提供一种检测肺结节的方法、装置、存储介质和电子设备，以解决现有的检测模型存在着无法实现肺结节检测的问题。第一方面，本申请实施例提供了一种检测肺结节的方法，该方法包括：对肺部三维图像进行分割操作，以得到三维分割图像；将三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺结节检测结果，其中，预先训练好的肺结节检测模型包括第一卷积层、第二卷积层、第一特征提取层和第二特征提取层，第一卷积层用于对三维分割图像进行卷积运算，以得到第一特征图，第二卷积层用于对第一特征图进行卷积运算，以获得第二特征图，第一特征提取层用于对第二特征图进行特征提取，以获得第三特征图，第二特征提取层用于对第三特征图进行特征提取，以获得肺结节检测结果。因此，本申请实施例通过对肺部三维图像进行分割操作，以得到三维分割图像，随后将三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺结节检测结果，其中，预先训练好的肺结节检测模型包括第一卷积层、第二卷积层、第一特征提取层和第二特征提取层，第一卷积层用于对三维分割图像进行卷积运算，以得到第一特征图，第二卷积层用于对第一特征图进行卷积运算，以获得第二特征图，第一特征提取层用于对第二特征图进行特征提取，以获得第三特征图，第二特征提取层用于对第三特征图进行特征提取，以获得肺结节检测结果，从而本申请实施例能够实现对肺结节的检测。在一个可能的实施例中，第一卷积层的卷积步长为1，且第一卷积层的卷积核的大小为3×3×3；第二特征提取层的卷积步长为1。因此，针对现有技术中的4倍下采样让肺结节消失的问题，本申请实施例将第一卷积层的卷积步长修改成1，并将第一卷积层的卷积核修改成3×3×3，还将第二卷积层的卷积步长修改成1，从而通过这样的改进，一方面避免了小目标物体在下采样的过程中的消失，另一方面，也让最终的offset失去了原有的意义，所以在肺结节检测模型中删除了对offset的回归，从而在一定程度上降低了计算机的计算量，提高了模型的效率。在一个可能的实施例中，肺部三维图像包括左肺三维图像和右肺三维图像；其中，对肺部三维图像进行分割操作，以得到三维分割图像，包括：将肺部三维图像分割为左肺三维图像和右肺三维图像；沿着水平方向，将左肺三维图像和/或右肺三维图像分割为多个三维分割图像。因此，针对于肺结节占肺部比例过小的问题，本申请实施例通过详细的观察影像科医生的肺结节标注过程，通过对于影像科医生的标注流程的学习，并且秉承着让深度学习模型在最大程度上模仿影像科医生的标注方法的理念上，形成了所特有的模型训练方式。在一个可能的实施例中，多个三维分割图像中相邻的两个三维分割图像具有图像重叠区域。第二方面，本申请实施例提供了一种检测肺结节的装置，该装置包括：分割模块，用于对肺部三维图像进行分割操作，以得到三维分割图像；输入模块，用于将三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺结节检测结果，其中，预先训练好的肺结节检测模型包括第一卷积层、第二卷积层、第一特征提取层和第二特征提取层，第一卷积层用于对三维分割图像进行卷积运算，以得到第一特征图，第二卷积层用于对第一特征图进行卷积运算，以获得第二特征图，第一特征提取层用于对第二特征图进行特征提取，以获得第三特征图，第二特征提取层用于对第三特征图进行特征提取，以获得肺结节检测结果。在一个可能的实施例中，第一卷积层的卷积步长为1，且第一卷积层的卷积核的大小为3×3×3；第二特征提取层的卷积步长为1。在一个可能的实施例中，肺部三维图像包括左肺三维图像和右肺三维图像；分割模块，具体用于：将肺部三维图像分割为左肺三维图像和右肺三维图像；沿着水平方向，将左肺三维图像和/或右肺三维图像分割为多个三维分割图像。在一个可能的实施例中，多个三维分割图像中相邻的两个三维分割图像具有图像重叠区域。第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了现有技术中的一种检测模型的结构示意图；图2示出了本申请实施例提供的一种检测肺结节的方法的流程图；图3示出了本申请实施例提供的一种肺结节检测模型的结构示意图；图4示出了本申请实施例提供的一种检测肺结节的装置的结构框图；图5是本申请实施例提供的一种电子设备的结构框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。近年来随着深度学习的发展，越来越多的深度学习的方法开始被应用于检测领域。肺结节的检测作为目标检测领域的一个分支，通常会借鉴常规物体检测的方法，并在此基础上进行改进，以便更加贴合肺结节(或者称为肺部结节)检测的实际情况。请参见图1，图1示出了现本文档来自技高网...

【技术保护点】
1.一种检测肺结节的方法，其特征在于，包括：/n对肺部三维图像进行分割操作，以得到三维分割图像；/n将所述三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺结节检测结果，其中，所述预先训练好的肺结节检测模型包括第一卷积层、第二卷积层、第一特征提取层和第二特征提取层，所述第一卷积层用于对所述三维分割图像进行卷积运算，以得到第一特征图，所述第二卷积层用于对所述第一特征图进行卷积运算，以获得第二特征图，所述第一特征提取层用于对所述第二特征图进行特征提取，以获得第三特征图，所述第二特征提取层用于对所述第三特征图进行特征提取，以获得所述肺结节检测结果。/n

【技术特征摘要】
1.一种检测肺结节的方法，其特征在于，包括：
对肺部三维图像进行分割操作，以得到三维分割图像；
将所述三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺结节检测结果，其中，所述预先训练好的肺结节检测模型包括第一卷积层、第二卷积层、第一特征提取层和第二特征提取层，所述第一卷积层用于对所述三维分割图像进行卷积运算，以得到第一特征图，所述第二卷积层用于对所述第一特征图进行卷积运算，以获得第二特征图，所述第一特征提取层用于对所述第二特征图进行特征提取，以获得第三特征图，所述第二特征提取层用于对所述第三特征图进行特征提取，以获得所述肺结节检测结果。


2.根据权利要求1所述的方法，其特征在于，所述第一卷积层的卷积步长为1，且所述第一卷积层的卷积核的大小为3×3×3；
所述第二特征提取层的卷积步长为1。


3.根据权利要求1所述的方法，其特征在于，所述肺部三维图像包括左肺三维图像和右肺三维图像；
其中，所述对肺部三维图像进行分割操作，以得到三维分割图像，包括：
将所述肺部三维图像分割为所述左肺三维图像和所述右肺三维图像；
沿着水平方向，将所述左肺三维图像和/或所述右肺三维图像分割为多个所述三维分割图像。


4.根据权利要求3所述的方法，其特征在于，所述多个所述三维分割图像中相邻的两个三维分割图像具有图像重叠区域。


5.一种检测肺结节的装置，其特征在于，包括：
分割模块，用于对肺部三维图像进行分割操作，以得到三维分割图像；
输入模块，用于将所述三维分割图像输入到预先训练好的肺结节检测模型中，以得到肺...

【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，刘东，
申请(专利权)人：慧影医疗科技北京有限公司，
类型：发明
国别省市：北京;11